共计 1105 个字符，预计需要花费 3 分钟才能阅读完成。
在刚刚结束的北京智源大会上, 第二天的话题明显比第一天更“接地气”。如果说首日还是大语言模型的技术阅兵, 那么次日会场里弥漫的, 则是一种关于“下一步该怎么走”的紧迫感。多位行业专家不约而同地指出: 大模型的下一场仗, 不在屏幕里打了。
大会传递出的核心信号清晰而直接——AI 必须学会与真实世界打交道。 无论是智源研究院提出的世界模型新分类 , 还是银河通用选择让机器人打网球, 背后都指向同一个命题: 从虚拟数据的海洋走向物理现实的复杂环境。
📌 世界模型的边界: 视频生成不等于理解物理
- 重点: 智源大会最清醒的一句话: 大模型的下一场仗, 不在屏幕里打了
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
“所有夺冠的世界模型, 都还不是真正的世界模型 , 视频生成模型不等于世界模型。”智源研究院院长王仲远在大会上的这句话, 让台下安静了几秒。他直言, 过去半年世界模型概念被过度滥用, 根源在于 OpenAI 发布 Sora 时使用了“World Simulator”的表述。
为了厘清概念, 智源将现有世界模型划分为四类: 以语言为中心的 VLM/VLA、以像素为中心的 Sora 等视频生成模型、以三维结构为中心的 3D 重建、以视觉表征为中心的 JEPA 系列 。但王仲远认为, 这四类发展都还不够, 智源选择了第五类——全模态潜空间, 将文本、图像、视频压缩到统一向量空间, 直接建模真实物理世界的状态。
🔍 具身智能的 AlphaGo 时刻: 从打网球到护城河
银河通用是坚定的合成数据派, 团队用 10 亿帧仿真数据跑通了 zero-shot 抓取 。但王鹤也坦言, 技术本身不是护城河, 真正的壁垒在于数据供给、多类型数据提炼能力、硬件迭代与软硬协同设计、以及模型交付给客户的整套能力。宁德时代和博世既是投资人也是客户, 这种“投资 + 采购 + 验证”三位一体的模式, 比纯技术更难复制。
💡 行业观察: 数据与硬件仍是两座大山
围绕“智源大会最清醒的一句话: 大模型的下一场仗, 不在屏幕里打了”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
📊 总结
大模型的下一场仗, 不在屏幕里打了 。AI 必须走出虚拟世界, 学会理解物理规律, 并用身体执行动作。智源和银河通用分别从“想”和“动”两个维度给出了自己的答案。尽管前路漫长, 但方向已经明确: 真实世界才是 AI 真正的战场。两年后具身智能能否从 GPT- 2 进化到 ChatGPT, 将决定 70 亿融资和 200 亿估值究竟是不是泡沫。这场战役才刚刚开始, 但参赛者已经就位。
